三个月，两个订阅，一群 agent，把一款射击游戏反编译回 C++。第一个月进度飞快，代码却是错的。问题不在模型，在于没人定义过什么叫正确。作者的解法是字节比对：一个只回 PASS 或 FAIL 的脚本，外加一套防止 agent 自己改判分的办法。

一年前，编辑器里的代码几乎每一行都是自己敲的；今天，大部分代码是模型已经写好的 diff，你只负责读、判断、保留。真正的瓶颈从写得快不快，挪到了验证得准不准。这篇文章拆解这个位移，并给出结论：当 AI 写代码，验证就是新的实现，而判断力是我们手里最后一块不会被拿走的地盘。